一种智慧家庭管理装置及管理方法
【专利摘要】本发明公开了一种智慧家庭管理装置及管理方法，包括GPS定位模块、智能行为采集监测模块、图片视频采集监测模块、红外监测模块、热成像感应模块、CPU中央处理模块、数据存储模块、数据模型库、数据通信模块以及智能移动终端，CPU中央处理模块将上传的数据进行处理，分别与数据模型库中的模型数据进行对比分析，确定携带者或家庭人员的行为以及动作是否准确，通过数据通信模块将携带者和家庭人员的行为、动作数据以及分析对比的结果传递给智能移动终端。本发明能够精准的对家庭人员及家庭服务人员的行为及动作进行判别和监管，实现了对家庭和家庭服务人员实现云智慧管理。
【专利说明】
一种智慧家庭管理装置及管理方法
技术领域
[0001] 本发明涉及一种智慧家庭管理装置及管理方法，属于数据监测技术领域。
【背景技术】
[0002] 因为目前对家庭人员及家庭服务人员的监测管理手段比较传统，依然依靠简单的 视频监控技术，没有精准的对家庭人员及家庭服务人员的行为及动作进行判别和监管的技 术。一种智慧家庭管理装置采用云物联网、互联网和移动互联网等先进技术，采集监测家庭 人员或家庭服务人员的行为与动作，并与数据库模型进行匹配，判断和监测家庭人员和家 庭服务人员的动作行为，通过外部智能终端查看智慧家庭管理装置携带者和家庭人员的行 为、动作数据以及分析对比的结果，对家庭和家庭服务人员实现云智慧管理。
【发明内容】
[0003] 发明目的：为了克服现有技术中存在的不足，本发明提供一种智慧家庭管理装置 及管理方法，本发明能够精准的对家庭人员及家庭服务人员的行为及动作进行判别和监 管，实现对家庭和家庭服务人员实现云智慧管理。
[0004] 技术方案:为实现上述目的，本发明采用的技术方案为：
[0005] -种智慧家庭管理装置，包括输入模块，GPS定位模块、智能行为采集监测模块、图 片视频采集监测模块、CPU中央处理模块、数据存储模块、数据模型库、数据通信模块以及智 能移动终端，其中：
[0006 ]输入模块用于输入阈值一、阈值二、阈值三，并将阈值一、阈值二和阈值三上传给 CPU中央处理模块。
[0007] GPS定位模块用于采集携带者的地理坐标位置信息，并将该数据上传给CPU中央处 理模块。
[0008] 智能行为采集监测模块用于采集携带者的第一行为及动作数据，并将该数据上传 给CPU中央处理模块。
[0009] 图片视频采集监测模块用于采集监测家庭人员的第二行为及动作数据，并将该数 据上传给CPU中央处理模块。
[0010] 所述数据模型库用于存储携带者和家庭人员的标准行为和动作信息及数据模型。
[0011] 所述智能移动终端用于接收CPU中央处理模块传递的数据并显示。
[0012] CPU中央处理模块首先将上传的地理坐标位置信息进行处理，判断携带者是否在 数据模型库中的坐标位置的阈值一之内。当上传的地理坐标位置信息超出数据模型库中的 坐标位置的阈值一时，CPU中央处理模块发送报警到移动智能终端。
[0013] 再将第一行为及动作数据进行自适应滤波算法去掉干扰数据形成当时行为及动 作数据，再将当时行为及动作数据与数据模型库中的数据进行对比分析，当当时行为及动 作超过数据模型库中的标准数据模型数据的阈值二时，CPU中央处理模块发送报警到移动 智能终端。当时行为及动作数据在数据库标准数据模型阈值二时，CPU中央处理模块对第二 行为及动作数据与数据模型库中的模型数据进行对比分析，确定家庭人员的行为及动作是 否在数据库标准数据模型阈值三内，通过数据通信模块将地理坐标位置信息、第一行为及 动作数据、第二行为及动作数据以及分析对比的结果传递给智能移动终端。
[0014] 进一步地:还包括红外监测模块、热成像感应模块，其中：
[0015] 所述红外监测模块用于在光线不好的条件下，利用红外辐射寻找家庭人员，当找 到家庭人员时启动热成像感应模块对找到的家庭人员进行数据采集。
[0016] 所述热成像感应模块用于通过热成像原理采集监测家庭人员的第三行为及动作 数据，并将该数据上传给CHJ中央处理模块。
[0017] CPU中央处理模块对第三行为及动作数据与数据模型库中的模型数据进行对比分 析，确定家庭人员的行为及动作是否在数据库标准数据模型阈值三内。通过数据通信模块 将第三行为及动作数据以及分析对比的结果传递给智能移动终端。
[0018] 优选的：所述的智能行为采集监测模块包含振动传感器、陀螺传感器和噪声传感 器。所述振动传感器用于采集携带者的振动数据信息。所述陀螺传感器用于采集携带者的 三维空间位移数据信息。所述噪声传感器用于采集携带者及环境的声音数据信息。
[0019] 优选的：所述阈值一为数据模型库中的坐标位置50米。所述阈值二为携带者数据 库标准数据模型的20%，所述阈值三为家庭人员数据库标准数据模型的20%。
[0020] 优选的:所述的电源管理模块，所述电源管理模块负责给智慧家庭管理装置供电。
[0021] 优选的：所述的电源管理模块包括相互连接在一起的电池管理芯片和充电管理芯 片。
[0022] 优选的:所述数据通信模块包括无线通信模块和有线通信模块。
[0023]优选的：所述图片视频采集监测模块通过6帧/s的视频图片与数据模型库中的数 据进行对比分析。
[0024] 一种智慧家庭管理装置的管理方法，包括以下步骤：
[0025]步骤1，确定阈值一、阈值二、阈值三。通过GPS定位模块采集携带者的地理坐标位 置信息。通过智能行为采集监测模块采集携带者的第一行为及动作数据。通过图片视频采 集监测模块用于采集监测家庭人员的第二行为及动作数据。
[0026]步骤2，CPU中央处理模块首先将上传的地理坐标位置信息进行处理，判断携带者 是否在数据模型库中的坐标位置的阈值一之内：当上传的地理坐标位置信息超出数据模型 库中的坐标位置阈值一时，发送报警到移动智能终端。
[0027]步骤3.当上传的地理坐标位置信息在指定坐标位置阈值一内，CPU中央处理模块 再将第一行为及动作数据进行自适应滤波算法去掉干扰数据形成当时行为及动作数据，再 与数据模型库中的数据进行对比分析，当当时行为及动作超过数据模型库中的标准数据模 型数据阈值二时，发送报警到移动智能终端。
[0028]步骤4.当时行为及动作数据在数据库标准数据模型阈值二范围内时，CPU中央处 理模块对第二行为及动作数据与数据模型库中的模型数据进行对比分析，确定家庭人员的 行为及动作是否在数据库标准数据模型阈值三内，通过数据通信模块将地理坐标位置信 息、第一行为及动作数据、第二行为及动作数据以及分析对比的结果传递给智能移动终端。 [0029]优选的：在光线不好的条件下，启动红外监测模块利用红外辐射寻找家庭人员，当 找到家庭人员时启动热成像感应模块对找到的家庭人员进行数据采集。
[0030] 热成像感应模块通过热成像原理采集监测家庭人员的第三行为及动作数据，CPU 中央处理模块对第三行为及动作数据与数据模型库中的模型数据进行对比分析，确定家庭 人员的行为及动作是否在数据库标准数据模型阈值三内。通过数据通信模块将第三行为及 动作数据以及分析对比的结果传递给智能移动终端。
[0031] 优选的:所述自适应滤波算法包括:归一化最小均方自适应滤波算法、基于瞬变步 长最小均方自适应滤波算法、基于离散小波变换的最小均方自适应滤波算法或者递推最小 二乘自适应滤波算法。
[0032]有益效果:本发明提供的一种智慧家庭管理装置及管理方法，相比现有技术，具有 以下有益效果：
[0033]本发明通过设置输入模块，GPS定位模块、智能行为采集监测模块、图片视频采集 监测模块、CHJ中央处理模块、数据存储模块、数据模型库、数据通信模块以及智能移动终 端，CPU中央处理模块首先将上传的地理坐标位置信息进行处理，判断携带者是否在数据 模型库中的坐标位置的阈值一之内。当上传的地理坐标位置信息超出数据模型库中的坐标 位置的阈值一时，CPU中央处理模块发送报警到移动智能终端。再将第一行为及动作数据进 行自适应滤波算法去掉干扰数据形成当时行为及动作数据，再将当时行为及动作数据与数 据模型库中的数据进行对比分析，当当时行为及动作超过数据模型库中的标准数据模型数 据的阈值二时，CPU中央处理模块发送报警到移动智能终端。当时行为及动作数据在数据库 标准数据模型阈值二时，CPU中央处理模块对第二行为及动作数据与数据模型库中的模型 数据进行对比分析，确定家庭人员的行为及动作是否在数据库标准数据模型阈值三内，通 过数据通信模块将地理坐标位置信息、第一行为及动作数据、第二行为及动作数据以及分 析对比的结果传递给智能移动终端。因此本发明能够精准的对家庭人员及家庭服务人员的 行为及动作进行判别和监管，实现了对家庭和家庭服务人员实现云智慧管理。
【附图说明】
[0034]图1为本发明的装置框架图。
[0035]图2为本发明的管理方法数据流图。
[0036]图3为自适应滤波前后对比图，图3a为自适应滤波前的示意图，图3b为自适应滤波 后的不意图。
【具体实施方式】
[0037]下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本 发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种 等价形式的修改均落于本申请所附权利要求所限定的范围。
[0038] 一种智慧家庭管理装置，如图1所示，包括输入模块，GPS定位模块、智能行为采集 监测模块、图片视频采集监测模块、红外监测模块、热成像感应模块、CPU中央处理模块、数 据存储模块、数据模型库、数据通信模块以及智能移动终端，其中：
[0039 ]输入模块用于输入阈值一、阈值二、阈值三，并将阈值一、阈值二和阈值三上传给 CPU中央处理模块。所述阈值一为数据模型库中的坐标位置50米;所述阈值二为携带者数据 库标准数据模型的20%，所述阈值三为家庭人员数据库标准数据模型的20%
[0040] GPS定位模块用于采集携带者的地理坐标位置信息，并将该数据上传给CPU中央处 理模块；
[0041] 智能行为采集监测模块用于采集携带者的第一行为及动作数据，并将该数据上传 给CPU中央处理模块；
[0042] 图片视频采集监测模块用于采集监测家庭人员的第二行为及动作数据，并将该数 据上传给CPU中央处理模块；
[0043] 红外监测模块用于在光线不好的条件下，利用红外辐射寻找家庭人员，当找到家 庭人员时启动热成像感应模块对找到的家庭人员进行数据采集；
[0044]热成像感应模块用于通过热成像原理采集监测家庭人员的第三行为及动作数据， 并将该数据上传给CHJ中央处理模块；
[0045]所述数据模型库用于存储携带者和家庭人员的标准行为和动作信息及数据模型； [0046]所述智能移动终端用于接收CPU中央处理模块传递的数据并显示。智能移动终端 通过APP或WEB查看智慧家庭管理装置携带者和家庭人员的行为、动作数据以及分析对比的 结果。
[0047] CPU中央处理模块首先将上传的地理坐标位置信息进行处理，判断携带者是否在 数据模型库中的坐标位置的50米（阈值，阈值可自定义）之内：当上传的地理坐标位置信息 超出数据模型库中的坐标位置50米范围时，设备直接发送报警到移动智能终端；当上传的 地理坐标位置信息在指定坐标位置50米范围内，再将第一行为及动作数据进行自适应滤波 算法去掉干扰数据形成当时行为及动作数据，再与数据模型库中的数据进行对比分析，当 当时行为及动作超过数据模型库中的标准数据模型数据20% (阈值，阈值可自定义)时，设 备直接发送报警到移动智能终端；当时行为及动作数据在数据库标准数据模型20%范围内 时，CPU对第二行为及动作数据与数据模型库中的模型数据进行对比分析，在光线不好的情 况下，CPU对第三行为及动作数据与数据模型库中的模型数据进行对比分析，确定家庭人员 的行为及动作是否准确，通过确定家庭人员的行为及动作是否在数据库标准数据模型阈值 三内，来确定动作是否准确，通过数据通信模块将携带者和家庭人员的行为、动作数据以及 分析对比的结果传递给智能移动终端。这些数据包括地理坐标位置信息、第一行为及动作 数据、第二行为及动作数据、第三行为及动作数据以及分析对比的结果。
[0048] 智能行为采集监测模块包含振动传感器、陀螺传感器和噪声传感器等。振动传感 器用于采集携带者的振动数据信息。陀螺传感器用于采集携带者的三维空间位移数据信 息。
[0049] 噪声传感器用于采集携带者及环境的声音数据信息。
[0050] 电源管理模块，所述的电源管理模块包括相互连接在一起的电池管理芯片和充电 管理芯片。所述电源管理模块负责给智慧家庭管理装置供电。
[0051 ]数据通信模块包括无线通信模块和有线通信模块。包含roD、TD-LTE、WLAN、蓝牙和 有线传输模块，用于对智能移动终端的绑定与数据通信。
[0052] CPU中央处理模块通过地理位置阈值判断携带者是否在数据模型库中的坐标位置 区域范围内。
[0053] CPU中央处理模块通过将第一行为及动作数据进行自适应滤波算法去掉干扰数据 形成当时行为及动作数据，再与数据模型库中的数据进行对比分析，当当时行为及动作超 过数据模型库中的标准数据模型数据20% (阈值，阈值可自定义）。
[0054] 中央处理模块第二行为及动作数据与数据模型库中的模型数据进行对比分 析，在光线不好的情况下，CPU对第三行为及动作数据与数据模型库中的模型数据进行对比 分析，确定家庭人员的行为及动作是否准确。
[0055] 数据通信模块将携带者和家庭人员的行为、动作数据以及分析对比的结果传递给 智能移动终立而
[0056] 图片视频采集监测模块通过6帧/s的视频图片与数据模型库中的数据进行对比分 析。
[0057] 一种智慧家庭管理方法如图2，包括以下步骤：
[0058]步骤1，确定阈值一、阈值二、阈值三;通过GPS定位模块采集携带者的地理坐标位 置信息;通过智能行为采集监测模块采集携带者的第一行为及动作数据;通过图片视频采 集监测模块用于采集监测家庭人员的第二行为及动作数据。
[0059]步骤2，CPU中央处理模块首先将上传的地理坐标位置信息进行处理，判断携带者 是否在数据模型库中的坐标位置的50米（阈值，阈值可自定义)之内：当上传的地理坐标位 置信息超出数据模型库中的坐标位置50米范围时，设备直接发送报警到移动智能终端；
[0060] 步骤3.当上传的地理坐标位置信息在指定坐标位置50米范围内，CPU中央处理模 块再将第一行为及动作数据[如图3(a)]进行自适应滤波算法去掉干扰数据形成当时行为 及动作数据。
[0061] 根据自适应算法的优化准则的不同，自适应滤波算法可分为两类最基本的算法： 最小均方(LMS)算法和递推最小二乘(RLS)算法。为了解决传统LMS算法存在梯度噪声放大 问题，以及为克服常规的固定步长LMS自适应算法在收敛速率、跟踪速率与权失调噪声之 间的要求上存在的较大矛盾，本发明可以采用归一化LMS算法和基于瞬变步长LMS自适应滤 波算法以及基于离散小波变换的LMS自适应滤波算法等。
[0062] a:LMS 算法：
[0063]自适应滤波器在时刻η的向量定义：
[0064] 抽头权向量:1(11) = [13。(11)，131(11)，...>-1(11)]1'
[0065] 参考输入向量:Χ(η) = [χ(η)，χ(η-1)，· · ·，χ(η-Μ+1)]τ
[0066] d(n)是主输入信号，y(n)是期望输出值，e(n)是误差信号，也是系统输出值，Μ是滤 波器长度。
[0067] W(n)表示Μ个单元的抽头系数权矢量(权重矢量），
[0068] boUhbKn)，. . .，bM-Κη)表示抽头数权重(权重），
[0069] Χ(η)表不Μ个单兀的抽头输入矢量(系统的输入矢量信号），
[0070] χ(η)，χ(η-1)，· · ·，χ(η_Μ+1)表不抽头输入(系统的输入信号）。
[0071 ]由维纳-霍夫方程可知，最小均方误差为：
[0072] (^]),"η!
[0073] $表示误差信号的平方，E表示期望符号，《表示期望信号的平方，
[0074] ^^表示最佳权系数向量，
[0075] P表示互相关矢量，指期望信号和输入信号矢量之间的相关性。
[0076] 实际上，该方程与维纳滤波器结果完全一样。自适应滤波器与维纳滤波器相比，其 差别在于它增加了一个识别控制环节，将输出与期望值进行比较，利用误差e(n)去控制W (η)，使6]=最小值，从而得到W(η)的估计W*(η)。
[0077] 根据最优的数学算法最陡下降法，下一个权矢量Wj+1(n)等于现在的权矢量~(η) 加一个正比于梯度的负值变化量，即有：
[0078] ffj+i=ffj-yVj
[0079] μ表示自适应步长，
[0080]通过梯度下降法：
[0081 ]
推导可知：Wj+i = %+2μθΑ，其中，气=& -琢了
[0082] 算法步骤：
[0083]步骤一:初始化：
[0084] 步骤二：更新:η = 1，2,3，···
[0085] 滤波：y(n) =WT(n)X(n);
[0086] 误差估计:e(n) =d(n)_y(n);
[0087] 权向量更新:W(n+1) =W(n)+2ye*(n)X(n);
[0088] 其中μ是用来控制稳定性和收敛速度的步长参数。为确保自适应过程的稳定性，μ 必须满足〇<y<2/MPin，其中Pin=E[X2(n)]为输入功率。
[0089] b:RLS 算法：
[0090] SIS0系统动态过程的数学模型：
[0091] A(z_1)z(k)=B(z_1)u(k)+n(k) (1)
[0092] 其中u(k)，z(k)为输入输出量，n(k)为噪声。式中
[0096]其中，?气表不输出系数，na表不输出阶数，表不输入系数，nb表不输入阶 数，k表示时刻，。
[0097]模型（1)可化为最小二乘格式：
[0098] z(k)=hT(k)9+n(k) (2)
[0099] 记6* - [q"22""?/,、Γ
[0100] 为待估计的参数。h(k) = [-z(k-l), · · · ,-z(k-na) ,u(k-l), · · · ,u(k-nb)]T，对于 U , 2以L为数据长度）。方程(2)构成一个线性方程组，写成zL(k)=HL(k)0 +nL(k);
[0102] 根据最小二乘法一次完成算法，其参数估计为：(
[0103] 参数递推估计，每取得一次新的观测数据后，就在前次估计结果的基础上，利用新 引入的观测数据对前次估计的结果，根据递推算法进行修正，减少估计误差，从而递推地得 出新的参数估计值。这样，随着新观测数据的逐次引入，一次接一次地进行参数估计，直到 参数估计值达到满意的精确程度为止。
[0104] 算法步骤：
[0105] 步骤一:初始化W( 0) = 0; P(0) = 〇力，其中I为单位矩阵；
[0106] 步骤二:更新n = l，2，···计算
[0107] 更新增益矢量$(]1)=?(11-1)父(11)/|>+父1'(11)?(11-1)父(11)];
[0108] 滤波:y(n) =WT(n-l)X(n);
[0109] 误差估计:e(n)=d(n)_y(n);
[0110] 更新权向量:W(n) =W(n-l)+g(n)e(n);
[0111] 更新逆矩阵:Ρ(η)=λ-1[P(n-l)-g(n)XT(n)P(n-l)];
[0112] 其中，P(n)为自相关矩阵Pxx(n)的逆矩阵，常数λ是遗忘因子，且〇<λ<1。
[0113] 综上所述:算法实现的主要步骤为：（1)数据采集与生成，取d(n)，X(n); (2)对参数 的初始化;（3)自适应的滤波处理；（4)滤波器系数更新
[0114] 滤波后的第一行为数据[如图3(b)]与数据模型库中的数据进行对比分析，当当时 行为及动作超过数据模型库中的标准数据模型数据20% (阈值，阈值可自定义)时，设备直 接发送报警到移动智能终端；
[0115]步骤4.当时行为及动作数据在数据库标准数据模型20%范围内时，CPU中央处理 模块对第二行为及动作数据与数据模型库中的模型数据进行对比分析，在光线不好的情况 下，CPU中央处理模块对第三行为及动作数据与数据模型库中的模型数据进行对比分析，该 对比分析采用6帧/s的视频图片与数据模型库中的数据进行实时对比分析，确定家庭人员 的行为及动作是否准确，通过数据通信模块将携带者和家庭人员的行为、动作数据以及分 析对比的结果传递给智能移动终端。
[0116]以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种智慧家庭管理装置，其特征在于:包括输入模块，GPS定位模块、智能行为采集监 测模块、图片视频采集监测模块、CPU中央处理模块、数据存储模块、数据模型库、数据通信 模块以及智能移动终端，其中： 输入模块用于输入阈值一、阈值二、阈值三，并将阈值一、阈值二和阈值三上传给CPU中 央处理模块； GPS定位模块用于采集携带者的地理坐标位置信息，并将该数据上传给CPU中央处理模 块； 智能行为采集监测模块用于采集携带者的第一行为及动作数据，并将该数据上传给 CPU中央处理模块； 图片视频采集监测模块用于采集监测家庭人员的第二行为及动作数据，并将该数据上 传给CPU中央处理模块； 所述数据模型库用于存储携带者和家庭人员的标准行为和动作信息及数据模型； 所述智能移动终端用于接收CHJ中央处理模块传递的数据并显示； CPU中央处理模块首先将上传的地理坐标位置信息进行处理，判断携带者是否在数据 模型库中的坐标位置的阈值一之内；当上传的地理坐标位置信息超出数据模型库中的坐标 位置的阈值一时，CPU中央处理模块发送报警到移动智能终端； 再将第一行为及动作数据进行自适应滤波算法去掉干扰数据形成当时行为及动作数 据，再将当时行为及动作数据与数据模型库中的数据进行对比分析，当当时行为及动作超 过数据模型库中的标准数据模型数据的阈值二时，CPU中央处理模块发送报警到移动智能 终端；当时行为及动作数据在数据库标准数据模型阈值二时，CPU中央处理模块对第二行为 及动作数据与数据模型库中的模型数据进行对比分析，确定家庭人员的行为及动作是否在 数据库标准数据模型阈值三内，通过数据通信模块将地理坐标位置信息、第一行为及动作 数据、第二行为及动作数据以及分析对比的结果传递给智能移动终端。2. 根据权利要求1所述的智慧家庭管理装置，其特征在于:还包括红外监测模块、热成 像感应模块，其中： 所述红外监测模块用于在光线不好的条件下，利用红外辐射寻找家庭人员，当找到家 庭人员时启动热成像感应模块对找到的家庭人员进行数据采集； 所述热成像感应模块用于通过热成像原理采集监测家庭人员的第三行为及动作数据， 并将该数据上传给CHJ中央处理模块； CPU中央处理模块对第三行为及动作数据与数据模型库中的模型数据进行对比分析， 确定家庭人员的行为及动作是否在数据库标准数据模型阈值三内；通过数据通信模块将第 三行为及动作数据以及分析对比的结果传递给智能移动终端。3. 根据权利要求1所述的智慧家庭管理装置，其特征在于:所述的智能行为采集监测模 块包含振动传感器、陀螺传感器和噪声传感器;所述振动传感器用于采集携带者的振动数 据信息;所述陀螺传感器用于采集携带者的三维空间位移数据信息;所述噪声传感器用于 采集携带者及环境的声音数据信息。4. 根据权利要求1所述的智慧家庭管理装置，其特征在于:所述阈值一为数据模型库中 的坐标位置50米;所述阈值二为携带者数据库标准数据模型的20%，所述阈值三为家庭人 员数据库标准数据模型的20%。5. 根据权利要求1所述的智慧家庭管理装置，其特征在于:所述的电源管理模块，所述 电源管理模块负责给智慧家庭管理装置供电;所述的电源管理模块包括相互连接在一起的 电池管理芯片和充电管理芯片。6. 根据权利要求1所述的智慧家庭管理装置，其特征在于:所述数据通信模块包括无线 通信模块和有线通信模块。7. 根据权利要求1所述的智慧家庭管理装置，其特征在于:所述图片视频采集监测模块 通过6帧/s的视频图片与数据模型库中的数据进行对比分析。8. -种基于权利要求1至7任一所述的智慧家庭管理装置的管理方法，其特征在于，包 括以下步骤： 步骤1，确定阈值一、阈值二、阈值三;通过GPS定位模块采集携带者的地理坐标位置信 息;通过智能行为采集监测模块采集携带者的第一行为及动作数据;通过图片视频采集监 测模块用于采集监测家庭人员的第二行为及动作数据； 步骤2，CPU中央处理模块首先将上传的地理坐标位置信息进行处理，判断携带者是否 在数据模型库中的坐标位置的阈值一之内：当上传的地理坐标位置信息超出数据模型库中 的坐标位置阈值一时，发送报警到移动智能终端； 步骤3 .当上传的地理坐标位置信息在指定坐标位置阈值一内，⑶U中央处理模块再将 第一行为及动作数据进行自适应滤波算法去掉干扰数据形成当时行为及动作数据，再与数 据模型库中的数据进行对比分析，当当时行为及动作超过数据模型库中的标准数据模型数 据阈值二时，发送报警到移动智能终端； 步骤4.当时行为及动作数据在数据库标准数据模型阈值二范围内时，CPU中央处理模 块对第二行为及动作数据与数据模型库中的模型数据进行对比分析，确定家庭人员的行为 及动作是否在数据库标准数据模型阈值三内，通过数据通信模块将地理坐标位置信息、第 一行为及动作数据、第二行为及动作数据以及分析对比的结果传递给智能移动终端。9. 根据权利要求8所述的管理方法，其特征在于：在光线不好的条件下，启动红外监测 模块利用红外辐射寻找家庭人员，当找到家庭人员时启动热成像感应模块对找到的家庭人 员进行数据采集； 热成像感应模块通过热成像原理采集监测家庭人员的第三行为及动作数据，CPU中央 处理模块对第三行为及动作数据与数据模型库中的模型数据进行对比分析，确定家庭人员 的行为及动作是否在数据库标准数据模型阈值三内；通过数据通信模块将第三行为及动作 数据以及分析对比的结果传递给智能移动终端。10. 根据权利要求9所述的管理方法，其特征在于:所述自适应滤波算法包括:归一化最 小均方自适应滤波算法、基于瞬变步长最小均方自适应滤波算法、基于离散小波变换的最 小均方自适应滤波算法或者递推最小二乘自适应滤波算法。
【文档编号】G05B19/048GK105867266SQ201610201814
【公开日】2016年8月17日
【申请日】2016年4月1日
【发明人】许科奎, 谭海鹏, 沈珮玲, 刘晨, 林玮雯
【申请人】南京尊爵家政服务有限公司